矩阵分解是数值线性代数 (NLA) 的一部分。以下是 NLA 和数据挖掘/统计学习方面的一些有用书籍。

• NLA 中的经典之作是 Golub & Van Loan 的矩阵计算。 Van Loan 的网页列出了他的书籍和其他人的链接。

• Trefethen & Bau 的数值线性代数是一种非常适合自学的现代方法，可在 Trefethen 的网站上在线获取部分内容。我上次检查时，Bau 在 Google 工作。

• 对于数据挖掘重点， Lars Elden 的数值线性代数和数据挖掘中的应用可在线获取。

• 统计方面的经典著作是Hastie、Tibshirani 和 Friedman的Elements of Statistical Learning 。作者慷慨地在线提供了他们的整本书。这需要相当多的数学背景，但每个主题的介绍将更普遍。

• 上面的一个较轻的版本是R 中的应用程序统计学习简介，由同一作者加上 Daniella Witten 编写。这也可以由作者在线获得，并提供有用的 R 代码。

您可以查看http://dl.acm.org/citation.cfm?id=2043956。有关更多详细信息，您可以查看推荐系统手册。

我正在研究类似的问题。欲了解更多详情或讨论，请发邮件给我@pranav.waila[at]gmail[dot]com。